Stiamo vivendo in un periodo storico di profonda crisi sistemica: pandemia prima, inflazione poi e un contesto tecnologico a dir poco effervescente sarebbero già abbastanza, se non ci fossero anche incognite come due guerre alle porte e mezzo mondo alle prese con le elezioni.
I nostri eCommerce, i nostri business digitali, sono quindi messi in discussione sia da variabili competitive che da variabili esogene fuori dal nostro controllo.
Viviamo in quello che in ambito di intelligence militare si chiama contesto VUCA (volatile, incerto, complesso e ambiguo). VUCA è una teoria nata dopo la guerra fredda, più recentemente un ricercatore tedesco ha proposto anche il BANI (fragile, ansioso, non lineare e incomprensibile). Il senso è lo stesso; in questo tipo di contesti è essenziale aumentare la consapevolezza: cercare di capire cosa sta succedendo, come devo muovermi. Aumentare la consapevolezza ci porta dritti al tema: enfatizzare tutte le attività di analisi che riguardano il nostro business digitale.
Tra le diverse tipologie di analisi a nostra disposizione per aumentare la nostra consapevolezza situazionale, voglio approfondire quella che per noi è distintiva e può contribuire in modo determinante ad ottenere performance migliori per i nostri clienti: la predictive analysis.
Vediamo qualche dettaglio e dei casi concreti.
L’analisi predittiva per ottenere nuove informazioni azionabili
GPTs che utilizzano queste tecnologie per produrre contenuti, intelligenza artificiale generativa, appunto.
Noi invece vogliamo utilizzare dati e machine learning per avere nuove informazioni utili al nostro business. Vogliamo predire, avere delle stime di cosa potrebbe accadere in futuro, perché questo ci dà un vantaggio competitivo in più.
In ambito marketing ed eCommerce, con l’analisi predittiva disponiamo di un vantaggio competitivo che ci consente di prendere delle decisioni più efficaci, sulla base di informazioni che altri non hanno.
Oggi, infatti, apriamo Google Analytics e vediamo i dati del passato, non abbiamo informazioni circa quello che potrebbe essere di qui a tre mesi. Quindi tutto il marketing su cui spendiamo migliaia di euro al mese è basato su analisi di quello che è accaduto. Con questi dati relativi al passato facciamo dunque un’analisi diagnostica, ci chiediamo “perché è accaduta questa cosa?”. Facciamo una lettura a posteriori, cercando eventuali effetti di attività di marketing messe in atto. L’analisi predittiva invece aggiunge degli scenari, portandoci a considerare “cosa potrebbe succedere se?…”.
Il cambio di prospettiva è significativo, disponendo di segnali deboli e proiettando trend, si possono definire scenari da esaminare per prendere decisioni pesate non solo sulla base dei dati storici, questo consente di definire azioni di marketing diverse da quelle che avremmo preso prima o azioni in aggiunta a quelle in essere.
Analisi predittiva, con un nuovo strumento per il marketing
Il mercato del Martech, inteso come l’insieme dei tool tecnologici applicati al marketing, è talmente esteso che esistono migliaia di applicazioni. Ci sono tool di tutti i tipi, in azienda lo sappiamo benissimo, ormai si usano decine di tool per fare compiti specifici, usati da voi direttamente o dall’agenzia per voi.
Eppure, anche in presenza di un set di strumenti così vasto, abbiamo sempre trovato difficile fare delle proiezioni e ottenere nuovi insight strategici da fornire ai nostri clienti. Consapevoli che disporre di tool di predictive analysis ci avrebbe aiutati e valutato che non c’era un tool che ci potesse aiutare nelle lunghe elaborazioni che manualmente facevamo, abbiamo fatto appello al nostro programma di ricerca e sviluppo, ed è nato così, dai nostri labs, un nuovo tool per analisi predittive.
L’abbiamo chiamato NUT, perché va al nocciolo della questione: individuare quali prodotti venderanno di più nel prossimo futuro.
NUT utilizza direttamente i dati del Cliente; quindi, non dati statistici, o di media, no, il cuore del sistema è la Search Console; quindi, il tool valuta esattamente su di voi, tutto ciò che viene cercato in merito alle vostre keyword, ai vostri prodotti. L’analisi si allarga poi alla lettura diretta del merchant center, dei feed dei prodotti, di Google Ads e altre fonti dati e di trend.
A livello di algoritmi c’è una composizione dei cluster via machine learning e una elaborazione statistico matematica per calcolare e derivare la predizione partendo dai dati di business.
Il risultato è molto prezioso, dall’utilizzo di NUT nascono nuovi insight sui quali noi poi prendiamo delle decisioni. Sostanzialmente fa emergere dei trend; più il periodo è vicino più sono precisi, ma posso anche avere segnali fino anche a 10 mesi 12 mesi in avanti.
Queste indicazioni consentono a noi di modificare la strategia di marketing che tutti noi siamo quotidianamente impegnati a seguire, e di prendere azioni operative diverse ed originali, relative alle attività quotidiane di SEO, PAID, Social Advertising e Content.
Ora, facciamo tre esempi.
L’analisi predittiva per migliorare le Campagne Search
Ferramenta Vanoli dispone di un eCommerce abbastanza vasto e complesso, è un progetto custom; quindi, non impiega piattaforme commerciali: noi lo abbiamo sviluppato e seguiamo tutta la parte di digital marketing. La prima applicazione di NUT è stata quella di capire, banalmente, su quale prodotto aumentare la visibilità, dal metterlo in home page al presidio editoriale.
Tipicamente quando intravedi l’estate e sei in piena primavera, ti chiedi: quali prodotti andranno? Ovvio che d’estate puoi pensare che vadano le piscine, i prodotti per le piscine, i pulitori piscine e via dicendo, d’accordo, ma ciò che succede è che quando hai un eCommerce di oltre 100.000 prodotti e in riunione ci si mette lì in gruppo per individuare i prodotti su cui puntare il mese successivo, alla fine ci si ritrova con una decina di idee. Non emergono mai tutte le opportunità, soprattutto quelle meno scontate, anche se di fatto ci sono indicatori (per noi invisibili, ma non per NUT) che mostrano quanto in realtà ci siano opportunità consistenti di nuovo fatturato.
Il gruppo di lavoro si ferma infatti, alle scelte più superficiali. Applica ovvio buonsenso ed esperienza passata, perché quello che viene in mente al gruppo di cosa potrebbe andare in trend è limitato e non considera contemporaneamente 100.000 articoli. Una persona non può farlo.
Così scopri che oltre ai segnali ovvi dei prodotti per la piscina, NUT segnala anche i cluster dei frigoriferi, degli attrezzi di lavoro e delle torce da montagna.
NUT li rileva perché sa che il progetto del cliente ha a catalogo il frigorifero, la torcia, la pinza, e indica che una keyword riferita ad un prodotto sta andando in trend e magari c’è un cluster di termini intorno a quel topic che è interessante esplorare.
Poi si può decidere lo stesso di ignorare il segnale, possiamo ritenere che non è interessante, ma la cosa è molto diversa: ho visto l’indicazione, ne sono consapevole e sulla base di certe considerazioni decido di non puntare su quel prodotto. Oppure, ora che so cosa spingere, metto quei prodotti o specifici messaggi in home page e modifico il piano editoriale… non banale.
Sempre per Vanoli, NUT si è rivelato utile anche per le Campagne di Google Ads, portando l’analisi predittiva ad identificare prodotti sottovalutati dal gruppo di lavoro. Avendo in corso campagne per migliaia di euro sulle ads che vanno tutti i mesi, tutto il mese, ci siamo chiesti: c’è qualche prodotto tra quelli che abbiamo, che stiamo ignorando, ma che in realtà è di alto interesse?
A mano sarebbe stato un lavoro di giorni, quello che invece NUT ha mostrato subito: piatti e stoviglie. Abbiamo trovato il topic piatti e il cluster servizio piatti di 170 keyword diverse, inerenti a quell’argomento, che tra l’altro davano un volume di ricerca previsionale di più di 100.000 ricerche.
Un’opportunità ghiotta anche per la SEO, le centomila ricerche al mese che non sta più o meno ancora sfruttando, ma per prima cosa si è cominciato a fanno delle campagne su Google Ads per questo gruppo di keyword per questo cluster In base alle indicazioni ricevute.
Il risultato finale è un ricavo netto in più al mese, nuove entrate derivanti da queste campagne su argomenti che non avremmo mai pensato di fare.
Questo era quello che volevamo quando abbiamo concepito NUT, quando abbiamo pensato a un tool che ci desse idee in più da aggiungere al marketing e che si è rivelato utile al cliente in tutte le sue aree d’azienda, fino dalla logistica.
L’analisi predittiva per l’automazione potenziata delle Campagne Shopping
Le Georgiche, con il suo eCommerce in WordPress venditapianteonline.it, è l’eCommerce di vendita piante più strutturato d’Italia, con 40 mila articoli e consegne in tutta Italia.
Per un eCommerce la competizione è sempre quella, battere le performance del mese rispetto a quelle dell’anno scorso. Per forzare la curva conosciuta di rendimento del mese, che proviene dall’analisi storica, abbiamo sostenuto l’attività tecnica dell’area Paid Advertising per capire quali Campagne Google Shopping potevano essere ulteriormente ottimizzate, ma non ci siamo fermati a questo; abbiamo retroazionato i dati provenienti da NUT per alimentare in automatico le campagne.
In automatico le campagne di advertising seguono le indicazioni che arrivano da NUT, cercando di retroazionare quello che è il feed del Google Merchant Center. Quindi l’integrazione con il feed fornisce al software i dati su dei trend e sulla base di quello vengono poi fatte delle attività di shopping dirette.
Come risultato, le indicazioni di NUT hanno evidenziato delle opportunità sul topic “terricci, e analizzando quello che era il feed XML, all’interno della campagna shopping, filtrando per questa etichetta, si aveva proprio la certezza di sponsorizzare solo quel tipo di keyword derivanti dal topic e dal cluster, sulla parte di terriccio. Ciò si è poi tradotto nell’aggiunta di nuovo fatturato mensile.
La morale è abbastanza chiara: lo storico lo conosciamo benissimo, il problema è come faccio ad aumentare il fatturato rispetto all’anno scorso e quindi cercare di ampliare i singoli insight che arrivano dagli strumenti classici.
L’analisi predittiva a supporto della SEO
Zanolli Argenterie è una bellissima realtà di Brescia, vende articoli di argenteria, regalistica e una vasta gamma di articoli casalinghi.
Un tool di analisi predittiva come NUT funziona ovviamente meglio su un catalogo vasto, con una certa dimensione e struttura perché ha bisogno di dati e di processarne in gran quantità. Se l’eCommerce dispone di una gamma abbastanza ampia, allora NUT riesce a dirti se ci sono dei segnali deboli su categorie che tu non avresti preso in considerazione.
Qui lo abbiamo utilizzato per il posizionamento organico, la SEO, che come sappiamo, essendo un passo più lenta del paid, ha bisogno di giocare un attimino d’anticipo per ottenere risultati. È così che nei nostri incontri di allineamento mensile col cliente, tra azioni SEO o Paid o via Email automation, il tavolo di specialist converge su una linea tattica.
lo staff di marketing propone di spingere alcuni termini di interesse piuttosto che altri.
Per Zanolli, in un preciso momento del 2023, uno strumento predittivo come NUT ha di fatto modificato il piano d’azione. Il tool segnava di lì a tre mesi che ci sarebbe stato un trend più forte del solito sui “regali per le maestre”. Conoscevamo il fenomeno, finiscono le scuole a maggio, ma non ci pensavamo più di tanto. Come sempre, se hai 50 articoli fai alla svelta, ma se ne hai 50.000 a catalogo solo dopo che qualcuno/qualcosa ti mostra la cosa sembra tutto banale.
È tutto qua, il gruppo di lavoro si stava orientando sulle attività guidate dalle personalità più forti al tavolo (fenomeno comunissimo) portando il piano editoriale in una direzione e NUT ha esposto i fatti, portandolo in un’altra.
Può essere il titolare che impone una strategia, chiaramente il piano commerciale è in mano a lui, sa lui queste cose qua; oppure c’è un’area del marketing che cerca di spingere categorie merceologiche specifiche. Quando il tool mostra picco qua, Le maestre, questo non c’è opinione o tutta la parte emotiva, sono proiezioni oggettive di dati e quindi abbiamo deciso di ascoltarlo e quindi abbiamo prodotto nuovi articoli, potenziato articoli che c’erano già e finalizzato meglio i contenuti alla conversione: comprare proprio questo bel prodotto per ringraziare la tua maestra. Il risultato dall’aver intercettato e isolato quel cluster con le tematiche inerenti ai regali per le maestre ha portato non solo un aumento della visibilità e un aumento di visite, ma direttamente ad un aumento della conversion rate e a nuovi acquisti. Quello è stato un episodio chiave per noi, da quel momento anche per Zanolli si è deciso di bilanciare maggiormente le nostre decisioni con un tool di analisi predittiva.
Conclusioni, non prendere le decisioni solo sulla base di dati storici
L’intelligenza artificiale non è ChatGPT.
Gran parte dell’attenzione è posta all’ambito generativo della AI, ma non ci sono solo tool che afferiscono alla produttività (e che gioco forza dobbiamo tutti imparare a usare come fosse Excel).
C’è un’intera area dell’intelligenza artificiale, come il machine learning, molto potente per il marketing in generale e il marketing digitale in particolare. Queste tecnologie sono consolidate e applicate in tool per l’analisi predittiva che in ambito eCommerce e per cataloghi ampi con buone quantità di dati possono consentire performance sopra la media.
Diventa dunque strategico non utilizzare solo i dati storici forniti dai vari tool di Analytics, ma utilizzare anche dati sintetici previsionali di trend. Queste nuove informazioni possono aiutarci a prendere decisioni di marketing che fanno la differenza.
La differenza che accelera la vostra crescita.